KATEGORIA TEMATYCZNA
Machine Learning
Machine Learning to dział poświęcony budowaniu, ocenie i wdrażaniu modeli uczących się na danych. Materiały wyjaśniają dobór metryk dla klasyfikacji i regresji, przygotowanie danych z logów, kontrolę ich jakości oraz praktyki MLOps w chmurze. Kategoria uwzględnia także podstawy dla początkujących i pytania o odpowiedzialność za błędne decyzje modeli.
Machine Learning
ML Ops w realnym środowisku: od notebooka do produkcji w chmurze
Machine Learning
Great Expectations: testy jakości danych w pipeline’ach
Machine Learning
Algorytmiczna odpowiedzialność: kogo winić, gdy model się myli?
Machine Learning
Najczęstsze pułapki w doborze metryk
Warto przeczytać także
- Algorytmiczna odpowiedzialność: kogo winić, gdy model się myli?Algorytmiczna odpowiedzialność stała się gorącym tematem w dzisiejszym świecie technologii. Kto jest winny, gdy sztuczna inteligencja zawodzi? Czy to kwestia samego algorytmu czy może nieodpowiedniego jego zastosowania?…






